ICEA ha puesto en marcha junto a la Universidad Carlos III de Madrid la VIII edición de la Jornada de Investigación Actuarial y Financiera.
El encuentro, que se ha celebrado durante la mañana del 2 de marzo, ha acogido a varios profesionales del sector y alumnos del Máster de Ciencias Actuariales y Financieras de la UC3M para mostrar sus puntos de vista sobre la personalización de la oferta aseguradora.
En el acto, tanto Jaime Guiance como Joanna Lempicka han expuesto su Trabajo Fin de Máster a los demás asistentes mostrando sus líneas de investigación. Jaime ha expuesto los resultados de un análisis sociológico multivariante y cómo la aplicación de modelos predictivos puede ayudar a conocer qué factores van de determinar la venta del seguro de vida. Por su parte, Joanna se ha centrado en la predicción de cross-selling con técnicas de machine-learning.
Precisamente uno de los elementos más destacados de la jornada, y en el que todos los ponentes han coincidido, ha sido el de la relación de la venta cruzada con técnicas de Inteligencia Artificial y Machine Learning para saber a qué tipo de cliente se pueden aplicar las campañas y obtener unos mayores resultados.
Según ha explicado Néstor Álvaro, Head of Advanced Analytics de Santalucía, esta estrategia se lleva a cabo a través de una personalización de la oferta, donde los clientes dejan de ser vistos como pólizas para ser vistos como personas.
En este punto cobran gran importancia los datos, ya que “se empieza a estudiar el comportamiento del cliente a través de lo que hace y no de lo que dice”.
De esta forma, Víctor Gómez, Data Scientist de Rastreator, ha mostrado la aplicabilidad de estas técnicas de Inteligencia Artificial para realizar una segmentación y clasificación de los usuarios y así predecir cuál va a ser el comportamiento del cliente con la compañía.
Finalmente, Marcial Fernández, Director de Operaciones y Organización de ICEA, ha destacado la utilidad del Machine Learning en las entidades aseguradoras declarando: “Con un enfoque estadístico clásico no es fácil predecir la satisfacción de un cliente y es aquí donde técnicas de Machine Learning nos ayudan y podemos entender cuáles son los elementos que hacen que el cliente esté más satisfecho”.